邢臺和天津大氣污染物影響因素的灰色關(guān)聯(lián)分析

王彥林，趙洪英，吳利豐

邢臺和天津大氣污染物影響因素的灰色關(guān)聯(lián)分析

王彥林，趙洪英，吳利豐

(河北工程大學(xué) 管理工程與商學(xué)院，河北 邯鄲 056038)

空氣污染已成為我國最受關(guān)注的環(huán)境問題。文章利用灰色關(guān)聯(lián)分析模型研究了天津市和邢臺市大氣污染源與污染物濃度的關(guān)系?；?013年到2016年空氣質(zhì)量數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)，分析邢臺和天津的大氣污染物來源，邢臺和天津大氣主要污染源分別為工業(yè)、常住人口、農(nóng)業(yè)、汽車保有量。研究發(fā)現(xiàn)，工業(yè)體系對邢臺空氣質(zhì)量影響最大，常住人口對天津市空氣質(zhì)量影響最大。結(jié)果表明，影響不同城市空氣質(zhì)量的主要污染源并不一致。因此，不同地區(qū)在大氣污染治理過程中應(yīng)根據(jù)自身特點采取相應(yīng)的措施。

空氣污染源;灰色關(guān)聯(lián)度;產(chǎn)業(yè);農(nóng)業(yè);常住人口

自2012年霧霾大規(guī)模爆發(fā)以來，空氣污染已成為中國最受關(guān)注的環(huán)境問題。環(huán)境污染問題不僅影響人們的身體健康和生活[1]，同時也對許多行業(yè)產(chǎn)生了影響[2]，考慮到可持續(xù)發(fā)展的重要性，控制空氣污染也成為所有地區(qū)的一項主要任務(wù)[3-5]。2013年初，生態(tài)與環(huán)境部在全國范圍內(nèi)對主要污染物進行了源頭分析。相關(guān)科學(xué)研究也取得了很多成果，但結(jié)論并不相同。地理探測模型與斯皮爾曼相關(guān)分析相結(jié)合的結(jié)果表明，除了城市化程度外，社會經(jīng)濟因素與2015年中國的空氣質(zhì)量指數(shù)有著顯著的正相關(guān)關(guān)系。影響強度按降序排列為人員占用率、車輛數(shù)量、國內(nèi)生產(chǎn)總值、人口、第二產(chǎn)業(yè)在經(jīng)濟中的比重[6]。工業(yè)系統(tǒng)是2013年京津冀地區(qū)SO2、NOX、PM2.5、PM10和CO的最大貢獻者[7]，Xie等利用2003-2015年中國283個地級城市的面板數(shù)據(jù)計算了交通密度對大氣霧霾的影響[8]，Lu等分析了PM2.5濃度與影響因素的關(guān)系[9]，Zhang等研究表明，當(dāng)?shù)乜諝馕廴疚锱欧?、空氣流速和附近PM2.5濃度對京津冀地區(qū)PM2.5濃度影響較大[10]，Li等利用顆粒物源分析技術(shù)建立了空氣質(zhì)量研究模型，得出北京PM2.5的主要來源為居民(27%)和工業(yè)(44%)[11]，Han等發(fā)現(xiàn)，城市人口規(guī)模的上升與不同區(qū)域的大都市PM2.5濃度有著不同的聯(lián)系，中國和印度的大都市人口對PM2.5濃度的潛移默化貢獻甚至高于其他國家[12]，Mao等發(fā)現(xiàn)，中國的化石燃料工廠是其大氣污染物排放的最大來源之一[13]，Zhu等研究表明，外商直接投資對京津冀地區(qū)SO2排放具有顯著的正向影響[14]，同時，Xie等也揭示了SO2稅和可再生能源對京津冀地區(qū)空氣污染物和CO2減排的影響[15]，Wang等通過分解分析方法解釋了具體的空氣污染物排放的轉(zhuǎn)移模式[16]，統(tǒng)計分析表明，資源枯竭和國內(nèi)生產(chǎn)總值是大氣污染的首要因素，但在京津冀地區(qū)，氣象因素的影響也可能很明顯[17]，Yu等發(fā)現(xiàn)人口老齡化趨勢，產(chǎn)業(yè)結(jié)構(gòu)和人均財富對二氧化碳排放量的增長產(chǎn)生了強烈影響，而能源強度對二氧化碳排放量的負面影響較小[18]，寶山地區(qū)PM10的可能起源是地面塵埃，運輸及其環(huán)境和工業(yè)活動，而PM2.5主要來源于工業(yè)活動，煤炭燃燒和運輸及其環(huán)境[19]。

除了工業(yè)運輸對環(huán)境的影響外，城市化的迅速發(fā)展也成為空氣污染的源頭，Wei等計算了京津冀地區(qū)城市電網(wǎng)的碳排放量并分析了其排放特征及影響因素[20]，Zhang等通過探索家庭消費的間接能源和CO2排放，發(fā)現(xiàn)間接能源消耗和CO2排放是家庭消費引起的總能源消費和CO2排放的主要部分[21]，從1987年到2017年，對中國所有239種顆粒物來源分析研究進行了修訂。在中國，用于顆粒物來源分析的最常用方法是受體模型。但是，即使數(shù)據(jù)來自相同的時間和地點，通過不同的受體模型計算出的主要來源分類和來源貢獻也可能會有一些差異。許多方法沒有單一的解決方案，用于標(biāo)識源的許多源跟蹤程序也不是特定源所獨有的[22]。從以往的文獻中可以看出，目前對大氣污染影響因素與污染物濃度關(guān)系的研究，仍然缺乏對城市之間的宏觀分析和對比分析。因此，本文對這一問題進行了分析和研究。由于中國在2013年實施了新的空氣質(zhì)量評估方法，因此影響空氣質(zhì)量因素的指標(biāo)通常是年度統(tǒng)計數(shù)據(jù)。 在空氣污染源的研究中，可用的統(tǒng)計數(shù)據(jù)有限。同時，現(xiàn)有的數(shù)據(jù)灰度值較大，也存在人為因素。因此，在空氣質(zhì)量影響因素的研究中，很難找到典型的分布，也很難用數(shù)理統(tǒng)計的方法進行研究?；疑P(guān)聯(lián)分析法彌補了用數(shù)理統(tǒng)計方法進行系統(tǒng)分析的不足，而且，計算量小并且非常方便。

為了研究污染源與污染物濃度之間的關(guān)系，選取了天津和邢臺兩個具有代表性的城市作為研究對象。天津可以反映中國許多港口城市的地位，而邢臺可以被視為內(nèi)陸污染嚴(yán)重城市的代表。針對這兩個城市數(shù)據(jù)的局限性和不確定性，采用灰色關(guān)聯(lián)分析法將大氣污染源(工業(yè)、農(nóng)業(yè)、常住人口和機動車保有量)與大氣污染物進行關(guān)聯(lián)。根據(jù)分析結(jié)果，確定了污染源的影響程度。排序結(jié)果表明，兩個城市不同污染源對大氣污染物濃度的影響存在顯著差異。因此，我們可以得出結(jié)論，不同城市的空氣污染源對空氣污染物濃度的影響程度不同。在大氣污染治理過程中，不應(yīng)針對每個城市采取類似的治理措施，而是根據(jù)各城市污染源對大氣污染物的影響程度排序，有針對性地進行治理。

一、邢臺、天津地區(qū)大氣污染物概況

（一）邢臺和天津的地理特征

邢臺位于河北省的南部。它的西部毗鄰太行山和山西省。東界是京杭大運河和山東省。它的地形復(fù)雜多樣。高度差非常大。從西到東，山脈、丘陵和平原排成一排。三者之比是2:1:7。最高海拔1822米，最低海拔20米。其中，邢臺市位于太行山溝槽區(qū)，平均海拔僅60米，比南北相鄰的石家莊和邯鄲低20米。

天津位于華北平原，是中國四大直轄市之一[23]，天津東臨渤海，北臨燕山。它位于海河下游，橫跨海河兩岸。它南北長189公里，東西寬117公里。陸地邊界1137公里，海岸線153公里。它是中國北方最大的沿海開放城市。邢臺和天津都位于京津冀區(qū)域。

（二）邢臺市和天津市大氣污染的主要來源

京津冀地區(qū)是中國發(fā)展的重要地區(qū)。工業(yè)是京津冀地區(qū)的支柱產(chǎn)業(yè)。隨著工業(yè)的快速發(fā)展，工業(yè)廢氣對大氣環(huán)境的影響越來越大。工業(yè)污染對大氣的影響體現(xiàn)在許多方面。SO2主要由電力和熱能發(fā)電機、供應(yīng)行業(yè)、非金屬礦產(chǎn)品行業(yè)、黑金屬冶煉和壓延行業(yè)生產(chǎn)。廢氣主要由造紙工業(yè)、化工原料、化工產(chǎn)品制造業(yè)和紡織工業(yè)產(chǎn)生。顆粒物的來源更加多樣化。因此，產(chǎn)業(yè)體系是影響京津冀地區(qū)大氣污染的重要因素之一。

農(nóng)業(yè)是社會經(jīng)濟生活最基本的組成部分，在國民經(jīng)濟中具有多種功能。農(nóng)業(yè)污染的主要原因是化學(xué)藥劑的廣泛使用和農(nóng)業(yè)及動物糞便的排放?；瘜W(xué)藥品主要包括化肥、殺蟲劑、促生長藥物和水果增強劑。農(nóng)業(yè)廢棄物又稱農(nóng)業(yè)生產(chǎn)廢棄物，農(nóng)業(yè)是東北地區(qū)經(jīng)濟發(fā)展的重要組成部分。隨著農(nóng)業(yè)的快速發(fā)展，農(nóng)業(yè)對大氣環(huán)境的影響已成為不可避免的。

隨著人口密度的不斷增加和生活方式的改變，城市生活在空氣污染中扮演著越來越重要的角色，主要包括垃圾焚燒、燃氣、油煙等。京津冀地區(qū)的人口密度一直處于全國前列。因此，常住人口對空氣污染的影響不容忽視。

機動車尾氣是城市空氣污染的重要組成部分，主要含有鉛、氮氧化物、一氧化碳和碳氫化合物。由于汽車尾氣的復(fù)雜性和所涉及的復(fù)雜的化學(xué)反應(yīng)，最終會產(chǎn)生多達100種有害成分。目前，京津冀地區(qū)的車輛數(shù)量每年都在快速增長。這對該地區(qū)的空氣污染產(chǎn)生了很大的壓力，機動車尾氣也是大氣污染源。

綜上所述，根據(jù)上述分析，空氣污染的來源分為四個部分：工業(yè)，農(nóng)業(yè)，常住人口和機動車保有量。各行業(yè)的主要污染源見表1。

表1 各行業(yè)主要污染源

二、數(shù)據(jù)與方法

（一）數(shù)據(jù)來源與處理

在討論了空氣污染的影響因素后，這里的工業(yè)增加值代表了產(chǎn)業(yè)發(fā)展水平，農(nóng)業(yè)產(chǎn)值代表了農(nóng)業(yè)，常住人口代表了人類活動的影響，機動車尾氣通過使用機動車數(shù)量來測量。目前，污染物濃度監(jiān)測數(shù)據(jù)每小時更新一次，社會經(jīng)濟指標(biāo)是年度數(shù)據(jù)，因此，將污染物濃度數(shù)據(jù)轉(zhuǎn)化為年平均值。從2013年1月1日起，中國新的空氣質(zhì)量標(biāo)準(zhǔn)開始實施。根據(jù)新的標(biāo)準(zhǔn)，測量了六種常見污染物(PM2.5、PM10、SO2、NO2、O3和CO)的濃度來計算空氣質(zhì)量指數(shù)。邢臺市的空氣污染數(shù)據(jù)來源于http://www.xtshbj. gov.cn/，邢臺市的社會經(jīng)濟數(shù)據(jù)來源于http:// www.xtstj.gov.cn/。天津市的大氣污染數(shù)據(jù)來源于http://hjbh.tj.gov.cn/，天津市社會經(jīng)濟數(shù)據(jù)來源于http://stats.tj.gov.cn/。2013-2016年邢臺市的空氣污染數(shù)據(jù)如表2所示，邢臺市的社會經(jīng)濟數(shù)據(jù)如表3所示；2013-2016年天津市的空氣污染數(shù)據(jù)如表4所示，天津市的社會經(jīng)濟數(shù)據(jù)如表5所示。

表2 邢臺市的空氣污染情況

表3 邢臺市的社會經(jīng)濟數(shù)據(jù)

表4 天津市的空氣污染情況

表5 天津市的社會經(jīng)濟數(shù)據(jù)

（二）方法

由于我國統(tǒng)計部門在2013年之前沒有公布完整的污染物濃度信息，樣本量受到限制，傳統(tǒng)的統(tǒng)計模型需要大量的數(shù)據(jù)，因此不適合在本文中進行研究?；疑Ｐ鸵恢笔墙鉀Q小樣本不確定性問題的合適方法[24]，它可以更好地應(yīng)用于尋找系統(tǒng)的演化規(guī)律，從而建立關(guān)系分析模型。由于影響污染物負荷的因素很多，如經(jīng)濟結(jié)構(gòu)、氣象變化、政策變化等，它可以被認為是一個灰色系統(tǒng)，因此，它可以用灰色關(guān)聯(lián)分析來描述。灰色關(guān)聯(lián)分析模型研究系統(tǒng)中一個主要激勵因素與其他因素之間的不確定關(guān)系[25]，灰色關(guān)聯(lián)分析的步驟如下：

步驟2：灰色關(guān)聯(lián)系數(shù)可由式（2）計算得出

步驟3：灰色關(guān)聯(lián)度的計算方法如下

三、邢臺、天津空氣污染源研究

（一）邢臺市灰色關(guān)聯(lián)度分析結(jié)果

以邢臺市PM2.5濃度與污染源的灰色關(guān)聯(lián)度為例，灰色關(guān)聯(lián)度分析的步驟如下：

由步驟1-3得，

表6 邢臺市大氣污染數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)的灰色關(guān)聯(lián)度

從表6中能夠明顯看出，工業(yè)增加值對六種常見污染物年濃度的影響最大。常住人口對六種常見污染物年濃度的影響大于農(nóng)業(yè)總產(chǎn)值，車輛數(shù)量的影響最小，這些結(jié)果與實際情況是一致的。邢臺自20世紀(jì)50年代以來一直是老工業(yè)基地。高耗能、高排放、低資源利用率的鋼鐵、煤化工、電力、建材等行業(yè)已成為邢臺的支柱產(chǎn)業(yè)。當(dāng)前，邢臺產(chǎn)業(yè)正處于經(jīng)濟轉(zhuǎn)型升級階段，但受傳統(tǒng)老工業(yè)的影響，效果不是很明顯。常住人口在影響因素中排名第二，因為2015年邢臺的平均人口密度是河北省11個城市中最高的。邢臺的平均人口密度與英國的倫敦和俄羅斯的莫斯科相近，高于德國的柏林和美國的華盛頓(圖1)[27]。

圖1 邢臺與世界幾個主要城市的人口密度比較（人/平方公里）

從計算結(jié)果可以看出，邢臺農(nóng)業(yè)對大氣污染物濃度的影響低于工業(yè)。邢臺雖然是一個農(nóng)業(yè)大城市，但隨著農(nóng)業(yè)產(chǎn)業(yè)化的發(fā)展，一些落后的生產(chǎn)方式造成的污染已經(jīng)減少。這并不意味著它應(yīng)該忽視對空氣污染的影響，相反，它必須不斷地、動態(tài)地觀察農(nóng)業(yè)與污染物濃度之間的關(guān)系。

結(jié)果表明，機動車數(shù)量在影響因素中居第四位。造成這一現(xiàn)象的原因是，雖然邢臺的汽車保有量持續(xù)增長，但與許多城市相比還是有很大差距。但在影響機理方面，車輛數(shù)量的增加和車流量的增加會導(dǎo)致車輛尾氣排放量的增加。與歐美發(fā)達國家相比，我國汽車尾氣排放標(biāo)準(zhǔn)較低，燃料質(zhì)量存在檔次低、質(zhì)量不穩(wěn)定、硫含量高等問題。因此，緩解大氣污染的控制策略不能忽視車輛數(shù)量。

（二）天津市灰色關(guān)聯(lián)度分析結(jié)果

根據(jù)4.1中的計算過程，類似地，天津市空氣污染物的數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)的灰色關(guān)聯(lián)度，如表7所示。

表7 天津市空氣污染數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)的灰色關(guān)聯(lián)度

表7的結(jié)果與近期的一些科學(xué)研究結(jié)果基本一致(天津地區(qū)揚塵、交通和工業(yè)對PM2.5濃度的貢獻分別為30%、20%和17%，天津地區(qū)揚塵、交通和工業(yè)對PM10濃度的貢獻分別為42%、14%和14%)[28]，綜上所述，可以得出結(jié)論，常住人口與PM10、PM2.5、SO2、NO2的關(guān)系最為密切。這一現(xiàn)象主要是由于近年來天津經(jīng)濟的快速擴張，提高了城市的競爭力和吸引力。流動人口規(guī)模不斷擴大。從生產(chǎn)和生活兩個方面來看，人們的污染物排放量增加，從而加劇了空氣污染的情況。此外，Gao等發(fā)現(xiàn)，與天津其他污染源相比，土壤和建筑揚塵排放能力對PM2.5污染有顯著影響[29]。同時，一個地方的人口越多，其對環(huán)境的污染就會越大。因此，灰色關(guān)聯(lián)分析的結(jié)果與文獻一致。

結(jié)果表明，汽車尾氣排放對天津市CO和O3的影響最大。交通系統(tǒng)對PM10、PM2.5、SO2、NO2的影響僅次于常住人口。一種說法是，天津是中國北方不可或缺的港口城市，因此它的運輸量巨大[30]，另一個原因是，近年來，天津的機動車數(shù)量一直位居全國前幾名。它大大增加了汽車污染的排放。此外，Guo等發(fā)現(xiàn)，從2011年到2020年，天津、河北和北京的汽車保有量增長率分別為13%、11%和7%[31]，因此，采取常住人口控制策略來緩解空氣污染是必要的。

然而，產(chǎn)業(yè)體系對中國大部分地區(qū)的空氣污染有顯著影響，但對天津空氣質(zhì)量的影響不是很明顯。這主要是近年來天津產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的結(jié)果。產(chǎn)業(yè)結(jié)構(gòu)的核心正在由經(jīng)濟的第二產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)變。同時，第二產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)的升級方向是智能化、綠色化。從而降低了產(chǎn)業(yè)體系對天津市空氣質(zhì)量的影響。在天津產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的過程中，不僅第二產(chǎn)業(yè)的比重在下降，第一產(chǎn)業(yè)的比重也在逐年下降。更重要的是,吳等發(fā)現(xiàn)在天津的三個產(chǎn)業(yè)結(jié)構(gòu)從2005年到2014年,農(nóng)業(yè)國內(nèi)生產(chǎn)總值（GDP）的比例逐漸減少,有一個下降的趨勢；第二產(chǎn)業(yè)的比重開始下降，在2009年之后第三產(chǎn)業(yè)的比例逐漸增加[32]，因此，農(nóng)業(yè)系統(tǒng)對天津空氣質(zhì)量的影響微乎其微。

四、結(jié)論與建議

（一）結(jié)論

本文通過灰色關(guān)聯(lián)度分析，對邢臺和天津地區(qū)大氣污染物的影響因素進行了排序。如表6和表7所示，結(jié)果與實際情況一致?；疑P(guān)聯(lián)分析模型非常適合解決本文的問題。建議將灰色關(guān)聯(lián)分析方法應(yīng)用于其他地區(qū)大氣污染的源頭識別。近年來，空氣污染越來越受到人們的關(guān)注。雖然在政府和人們的共同努力下，空氣質(zhì)量得到了改善，但現(xiàn)在似乎成了瓶頸。根據(jù)計算結(jié)果可以發(fā)現(xiàn)，各城市空氣污染物的主要來源不一定相同。如工業(yè)系統(tǒng)和常住人口是影響邢臺空氣污染物濃度的兩個最主要因素，而交通系統(tǒng)和常住人口是影響天津空氣污染物濃度的兩個最主要因素。這并不是說其他因素可以忽略，只是在治理過程中，影響的關(guān)鍵因素應(yīng)該得到重點處理，而影響較小的因素應(yīng)該得到適當(dāng)?shù)奶幚?。結(jié)論表明，大氣污染防治應(yīng)根據(jù)不同情況采取針對性措施。目前，大多數(shù)政府采取類似的措施來控制空氣污染。盡管在治理的早期階段存在一些影響，但隨著治理過程的推進，治理的效果越來越低。這是由于政府沒有控制最重要的空氣污染源。本文以邢臺市和天津市為例，采用灰色關(guān)聯(lián)分析模型對這兩個城市的主要空氣污染源進行了分析。給出了不同污染物濃度的影響因子排序。為地方政府治理大氣污染提供理論指導(dǎo)。

（二）建議

根據(jù)表6的計算結(jié)果和上述分析，對邢臺空氣污染的具體控制策略提出了具體建議。

1.由于工業(yè)體系對邢臺空氣污染物濃度影響最大，所以在大氣污染控制方面，政府必須以工業(yè)為主。以國家政策為導(dǎo)向，加快供給側(cè)結(jié)構(gòu)性改革步伐。政府要淘汰落后產(chǎn)能，繼續(xù)化解鋼鐵、煤炭、石化、建材等傳統(tǒng)行業(yè)的過剩產(chǎn)能。

2.邢臺雖然不是像北京、上海那樣的一線城市，但人口密度卻異常之高。因此，政府不僅可以關(guān)注工業(yè)系統(tǒng)對空氣污染的處理，還可以考慮人口密度的問題。為了解決這個問題，政府需要了解該地區(qū)人口密度過高的根源。地方政府可以借鑒其他地區(qū)的治理經(jīng)驗，但不能完全照搬。根據(jù)他們的實際情況，有針對性地解決這個問題。

3.雖然農(nóng)業(yè)和交通系統(tǒng)對空氣污染的影響小于工業(yè)和人口，但政府不能忽視前者的影響。在治理過程中，政府可以側(cè)重于后者。

根據(jù)表7的計算結(jié)果和上述分析，給出了天津市大氣污染控制的具體建議。

第一，人口因素居首位。這表明，以工業(yè)和交通系統(tǒng)為重點的政府應(yīng)該把注意力轉(zhuǎn)向人口因素。目前，天津的人口增長率非?？?。政府必須意識到如何解決人口增長的負面影響。

第二，由于天津城市化的快速發(fā)展，機動車數(shù)量也在高速增長。為了解決交通系統(tǒng)造成的空氣污染，政府不應(yīng)該僅僅采取低效的交通限制方式，因為簡單的交通限制并不能給空氣污染帶來多大的改善。相反，它會給人民帶來極大的不便，引起人民極大的不滿。面對這個問題，政府必須從源頭開始。汽車尾氣排放標(biāo)準(zhǔn)低，燃油質(zhì)量也存在檔次低的問題。只有解決了這些問題，交通系統(tǒng)帶來的空氣污染才能得到有效的解決。

第三，天津市工農(nóng)業(yè)對大氣污染的影響小于人口和交通系統(tǒng)。由此可見，近年來，天津市在產(chǎn)業(yè)轉(zhuǎn)型升級方面取得了很大的成效。建議天津市繼續(xù)加強產(chǎn)業(yè)結(jié)構(gòu)升級，大力發(fā)展新興產(chǎn)業(yè)，減少高排放、低收益、高污染產(chǎn)業(yè)。

本文通過與空氣污染物濃度的相關(guān)關(guān)系，分析了邢臺和天津大氣污染的影響因素。結(jié)果由大到小排序表明，邢臺市和天津市空氣污染源對大氣污染物濃度的影響不符合預(yù)期，與政府的治理方案也存在差異。因此，兩市政府有必要根據(jù)自身的產(chǎn)業(yè)結(jié)構(gòu)特點，從復(fù)雜的環(huán)境問題中審視全局，把握主要矛盾。

[1]Yuan Li, Dabo Guan, Shu Tao, et al. A review of air pollution impact on subjective well-being: Survey versus visual psychophysics[J]. Journal of Cleaner Production, 2018, 184:959-968.

[2]Amir Mohammad Fathollahi-Fard, Mostafa Hajiaghaei -Keshteli. A stochastic multi-objective model for a closed-loop supply chain with environmental considerations[J]. Applied Soft Computing, 2018, 69: 232-249.

[3]Mostafa Hajiaghaei-Keshteli，Amir Mohammad Fathollahi-Fard. Sustainable closed-loop supply chain network design with discount supposition[J]. Neural Computing and Applications, 2018, https:// doi. org/10.1007/s00521-018-3369-5.

[4]Bruna Mota, Maria Isabel Gomes, Ana Carvalho, et al. Sustainable supply chains: an integrated modeling approach under uncertainty[J].Omega,2018,77:32-57.

[5]A. Samadi, N. Mehranfar, A. M. Fathollahi Fard, et al. Heuristic-based metaheuristic to address a sustainable supply chain network design problem[J]. Journal of Industrial and Production Engineering, 2018,35(2):102-117.

[6]Dongsheng Zhan, Mei-Po Kwan, Wenzhong Zhang, et al. The driving factors of air quality index in China[J]. Journal of Cleaner Production, 2018,197 (1):1342-1351.

[7]Ji Qi, Bo Zheng, Meng Li, et al. A high-resolution air pollutants emission inventory in 2013 for the BTH region, China[J].Atmospheric Environment,2107,170: 156-168.

[8]Rui Xie, Dihan Wei, Feng Han et al. The effect of traffic density on smog pollution: Evidence from Chinese cities[J]. Technological Forecasting & Social Change, https://doi.org/10.1016/j.techfore. 2018. 04.023.

[9]Debin Lu, Jianhua Xu, Dongyang Yang, et al. Spatio-temporal variation and in?uence factors of PM2.5concentrations in China from 1998 to 2014[J]. Atmospheric Pollution Research. 2017, 8(6):1151- 1159.

[10]Xiaoling Zhang, Minjun Shi, Yuanjie Li, et al. Correlating PM2.5concentrations with air pollutant emissions: a longitudinal study of the Beijing- Tianjin-Hebei region[J]. Journal of Cleaner Production. 2018,179:103-113.

[11]Xin Li, Qiang Zhang, Yang Zhang et al. Source contributions of urban PM2.5in the Beijing-Tianjin- Hebei region: Changes between 2006 and 2013 and relative impacts of emissions and meteorology[J]. Atmospheric Environment.2015, 123:229-239.

[12]Lijian Han, Weiqi Zhou, Steward T.A. Pickett et al. An optimum city size? The scaling relationship for urban population and ?ne particulate (PM2.5) concentration[J]. Environmental Pollution.2016, 208:96-101.

[13]X.Q. Mao, A. Zeng, T. Hu, et al. Co-control of local air pollutants and CO2from the Chinese coal-?red power industry[J]. Journal of Cleaner Production. 2014,67:220-227.

[14]Lin Zhu, Qingmei Gan, Yan Liu, et al. The impact of foreign direct investment on SO2emissions in the Beijing-Tianjin-Hebei region: a spatial econometric analysis[J]. Journal of Cleaner Production, 2017, 166:189-196.

[15]Yang Xie, Hancheng Dai, Huijuan Dong. Impacts of SO2taxations and renewable energy development on CO2, NOx and SO2emissions in Jing-Jin-Ji region[J]. Journal of Cleaner Production, 2018, 171:1386-1395.

[16]Yuan Wang, Huiwen Liu, Guozhu Mao, et al. Inter-regional and sectoral linkage analysis of air pollution in Beijing–Tianjin–Hebei (Jing-Jin-Ji) urban agglomeration of China[J]. Journal of Cleaner Production, 2017, 165: 1436-1444.

[17]Yupeng Liu, Jianguo Wu, Deyong Yu, et al. Understanding the patterns and drivers of air pollution on multiple time Scales: the case of Northern China[J], Environmental Management, 2018, 61:1048-1061.

[18]Yang Yu,Yu-ru Deng, Fei-fan Chen. Impact of population aging and industrial structure on CO2emissions and emissions trend prediction in China[J], Atmospheric Pollution Research,2018,9:446-454.

[19]Jun Wang, Zimei Hu, Yuanyuan Chen, et al. Contamination characteristics and possible sources of PM10and PM2.5in different functional areas of Shanghai, China[J], Atmospheric Environment, 2013, 68:221-229.

[20]Wendong Wei, Xibo Wang, He Zhu, et al. Carbon emissions of urban power grid in Jing-Jin-Ji region: characteristics and influential factors[J]. Journal of Cleaner Production, 2017, 168:428-440.

[21]Yue Jun Zhang, Xiao Juan Bian, Weiping Tan, et al. The indirect energy consumption and CO2emission caused by household consumption in China: an analysis based on the input–output method[J]. Journal of Cleaner Production, 2017, 163:69-83.

[22]Yanhong Zhu, Lin Huang, Jingyi Li, et al. Sources of particulate matter in China: insights from source apportionment studies published in 1987-2017[J]. Environment International, 2018, 115:343-357.

[23]Yanan Guan, Guanyi Chen, Zhanjun Cheng, et al. Air pollutant emissions from straw open burning: a case study in Tianjin[J]. Atmospheric Environment, 2017, 171:155-164.

[24]Fan, W.Y., Wang, L., Wang X., He, F.N. Grey relational analysis of environment interference factors and control measures on endemic status of schistosomiasis in Poyang Lake Eco-economic Region[J]. Chinese Journal of Schistosomiasis Control, 2016, 28(6): 635- 643.

[25]R. Rajesh, V. Ravi. Supplier selection in resilient supply chains: a grey relational analysis approach[J], Journal of Cleaner Production, 2015, 86:343-359

[26]Wang L., Wei Z., Wei W., Fu J.S., Meng C., Ma S. Source apportionment of PM2.5in top polluted cities in Hebei, China using the CMAQ model[J], Atmospheric Environment, 2015, 122: 723-736.

[27]http://www.sohu.com/a/148258277_793346

[28]http://dqhj.mep.gov.cn/dqhjzl/dqklwyjx/201709/t20170915_421693.shtml.

[29]Jiajia Gao, Kun Wang, Yong Wang, et al. Temporal-spatial characteristics and source apportionment of PM2.5as well as its associated chemical species in the Beijing-Tianjin-Hebei region of China[J], Environmental Pollution,2018, 233:714- 724.

[30]Xue Liu, Geng Li, Shoufeng Ma, et al. Urban road traffic scale analysis from the perspective of atmospheric environmental indicators in Tianjin, China[J]. Ecological Indicators, 2017, 82:392-398.

[31]Xiurui Guo, Liwei Fu, Muse Ji, et al. Scenario analysis to vehicular emission reduction in Beijing-Tianjin-Hebei region, China[J], Environmental Pollution,2016,216:470-479.

[32]吳愛東,李奕男.京津冀協(xié)同發(fā)展背景下天津產(chǎn)業(yè)結(jié)構(gòu)升級空間與路徑分析[J].現(xiàn)代城市研究,2017 (02):41-46+53.

Grey relational analysis of affecting factors for air pollutant in Xingtai and Tianjin

WANG Yan-lin, ZHAO Hong-ying, WU Li-feng

( College of Management Engineering and Business, Hebei University of Engineering, Handan 056038, China )

Air pollution has become the most concerned environmental problem in China. In this paper, the relationship between air pollution sources and pollutant concentration in Tianjin and Xingtai is studied by grey relational analysis model. It is found that the industrial system has the greatest impact on the air quality of Xingtai, while the resident population has the greatest impact on the air quality of Tianjin. The results show that the main pollution sources affecting air quality in different cities are not consistent. Therefore, different regions should take measures according to their own characteristics in the process of air pollution control.

grey relational degree; air pollution source; industry; agriculture; resident population

2020-01-06

河北省高層次人才資助項目（編號：A2017003100）成果

王彥林（1973-），男，河北肥鄉(xiāng)人，教授，博士，研究方向：經(jīng)濟學(xué)、環(huán)境治理。

10.3969/j.issn.1673-9477.2020.01.001

F062.2

A

1673-9477(2020)01-001-07

[責(zé)任編輯 王云江]